Realidad Aumentada https://www.youtube.com/watch?v=GtL1dlcGC80

1. Estudia técnicas que permiten integrar

1.1. Tiempo real

1.1.1. contenido digital

1.1.2. Mundo real

1.2. otra característica

1.2.1. Alineación 3D.

2. puede ser

2.1. Espacial https://www.youtube.com/watch?v=jU6PcBS1pWw

2.2. Basada en dispositivos de la visión https://www.youtube.com/watch?v=8FggsGUK5iA

3. Desarrollado por

3.1. Ivan Sutherland 1968, casco de visión

3.2. Tom Caudell y David Mizell 1992 acuñó el término y mejoraron tarea de operarios

3.3. , Investigadores U. Columbia 1997 The Touring Machine 1° sistema de realidad aumentada móvil (MARS).

3.4. Jun Rekimoto 1998 método para calcular tracking visual https://www.youtube.com/watch?v=e7iGUEuTwQw

3.5. investigadores de la U. South Australia 2000, uextensión de Quake (AR-Quake, permite jugar en primera persona en escenarios reales.

3.6. Archeoguide financiado por Unión Europea 2001 creación de guías turísticas electrónicas en Realidad Aumentada

3.7. 2004

3.7.1. U. Nacional Singapur Human Pacman juego con GPS y sistemas inerciales registrar la posición de los jugadores

3.7.2. U. Técnica de Viena proyecto Invisible Train 1° juego multi-usuario para PDAs.

3.8. Henrysson 2005 adapta biblioteca ARToolKit para funcionar en Symbian, y crea un juego de Tenis.

3.9. Klein y Murray 2007, presentan en ISMAR separa el tracking y el mapping en dos hilos independientes, tiempo real muy mejorado

3.10. Mobilizy 2008 crea Wikitude aplicación que aumenta información mundial con datos de entradas de Wikipedia para android

3.11. 2009

3.11.1. SPRXmobile lanza Layar, que utiliza el mismo mecanismo de registro Wikitude (GPS + Brújula electrónica).

3.11.2. ARhrrrr! 1° juego de alta calidad para smartphones con cámara. El teléfono utiliza ventana virtual para mapa 3D https://www.youtube.com/watch?v=K2DxaTdM6rI

3.11.3. Novorama video juego de PSP Invizimals emplea marcas para registrar la posición de la cámara empleando tracking visual.

3.12. 2010 Adidas lanza juego de 5 zapatillas originales de Realidad Aumentada se enseñar la lengüeta de la zapatilla a una cámara y aparecerá un mundo 3D de la marca, posibilidad de jugar contenido exclusivo y obtener premios especiales. https://www.youtube.com/watch?v=cN_S8QgFsFQ

4. Aplicaciones

4.1. Medicina https://www.youtube.com/watch?v=kifj0ZP4Mos https://www.youtube.com/watch?v=JFRXQrx7O0s

4.2. Entrenimiento https://www.youtube.com/watch?v=IKIBBCucjkg

4.3. Fabricación https://www.youtube.com/watch?v=wTp82DbJ-1o

4.4. Publicidad https://www.youtube.com/watch?v=II27u7Tubt0

5. Toolkits herramientas que facilitan la construcción de aplicaciones

5.1. tipos https://youtu.be/Qz8k0mD9Eyk

5.1.1. ARToolKit https://www.youtube.com/watch?v=rY6RjRw02nI

5.1.1.1. modulos

5.1.1.1.1. Video: para obtener frames de vídeo de dispositivos soportados por Sistema Operativo .

5.1.1.1.2. AR: Contiene las funciones principales de tracking de marcas, calibración y estructuras de datos requeridas por estos métodos

5.1.1.1.3. Gsub y Gsub_Lite.:funciones relacionadas con la etapa de representación

5.1.1.2. Principios Básicos

5.1.1.2.1. Captura del frame actual es una simple llamada a función y se obtiene una imagen https://www.youtube.com/watch?v=WbpmgufCE-k

5.1.1.3. Calibración de la Cámara

5.1.1.3.1. 1°Etapa Permite obtener un fichero de cámara válido para la mayoría de aplicaciones que contiene información sobre

5.1.1.3.2. 2° Etapa

5.1.1.4. Detección de marcas

5.1.1.4.1. 1° NORMALIZACIÓN

5.1.1.4.2. 2° RESAMPLING

5.1.1.4.3. 3° COMPARACIÓN

5.1.1.5. Limitaciones

5.1.1.5.1. tamaño físico de la marca.

5.1.1.5.2. complejidad de la marca.

5.1.1.5.3. orientación relativa.

5.1.1.5.4. condiciones de iluminación.

5.1.2. ARTag

5.1.3. OSGART

5.1.4. FLARToolKit

5.1.5. Otros ports de ARToolKit

5.1.6. Transformaciones Geométricas para representación básica en 3D

5.1.6.1. Afines

5.1.6.1.1. Representación Matricial

5.1.6.1.2. Vertices

5.1.6.1.3. Cambio de escala

5.1.6.2. Inversas

5.1.6.2.1. se calcula el inverso de la matriz

5.2. caracteristicas

5.2.1. Tracking de una cámara.

5.2.2. Marcas negras cuadradas

5.2.3. Rápido y Multiplataforma

5.2.4. Comunidad Activa

5.2.5. Licencia libre.

5.3. Funcion

5.3.1. facilita el problema del registro de la cámara emplea métodos de visión por computador

5.3.2. obtiene posicionamiento relativo de 6 grados de libertad haciendo el seguimiento de marcadadores cuadrados en tiempo real

5.4. Etapas de Desarrollo

5.4.1. Inicialización: Leer los parámetros asociados a la cámara y descripción de las marcas que se van a utilizar

5.4.2. Bucle Principal (Main Loop): Etapa principal https://www.youtube.com/watch?v=whnpZRaxodg

5.4.2.1. Captura. Se obtiene un frame de la cámara de vídeo. "HOLA MUNDO"

5.4.2.2. Detección:. Se identifican las marcas en el frame anterior.

5.4.2.3. Transformación: Se calcula la posición relativa entre las marcas detectadas y la cámara física.

5.4.2.4. Dibujado: Se dibujan los objetos virtuales situando la cámara virtual en la posición relativa anteriormente calculada.

5.4.3. Finalización: Libera los recursos requeridos por la aplicación.

6. registro métodos de tracking tratan de obtener una estimación de la trayectoria en el espacio realizada por un objeto o sensor https://www.youtube.com/watch?v=e7iGUEuTwQw

6.1. Bottom up Posición des lo que recibe la camara

6.1.1. Traking basado en marcas

6.1.2. Traking sin marcas

6.1.2.1. Estructuras Planas detecta áreas planas sobre la escena

6.1.2.2. Basada en modelos utiliza un modelo CAD de partes de la escena (objeto) detectar aristas y puntos de interés en el vídeo de entrada.

6.1.2.3. Escenas sin restricciones cuando no es posible contar con conocimiento a priori sobre estructuras planas o modelos.

6.2. Top Down Lo que se esta percibiendo desde la posición actual es lo que se esperaba

6.2.1. se basan en el uso del contexto y estiman la geometría de la escena de este contexto tienen que trabajar con filtros y modelos de asociación de datos

6.2.1.1. Los filtros Bayesianos.

6.2.1.1.1. que trabajan con modelos de movimiento gausianos, que explotan los beneficios de los Filtros de Kalman y sus variantes.

6.2.1.1.2. .Filtros de Partículas:por las características del ruido no pueden ser modelados mediante modelos gausianos y se ajustan mejor al uso de

6.2.1.2. filtro MHT:La aproximación de Coxpara el seguimiento de puntos de interés.